Question

我存储了1.11亿个键值对（一个键可以有多个值 - 最大值为2/3），其键为50位整数，值为32位（最大值）整数。现在，我的要求是：

快速插入（密钥，值）对[允许重复]

根据密钥快速检索值/值。

基于MultiMap的here给出了一个很好的解决方案。但是，我想在主内存中存储更多的键值对，没有/小的性能损失。我从网络文章中研究过B + Tree，R + Tree，B Tree，Compact Multimap等可以很好地解决这个问题。任何人都可以帮助我：

是否有任何Java库可以正确满足我的所有需求（上面提到/其他ds也可以接受。没有问题）？实际上，我想要一个高效的java库数据结构来存储/检索键值/值对，占用更少的内存，必须内置于内存中。

注意：我曾尝试使用路易斯·沃瑟曼，京都/东京内阁等提及的HashMultiMap（Guava与trove进行一些修改）等。我的经验对于磁盘烘焙解决方案并不好。所以请避免:)。另一点是，为了选择库/ ds，一个重点是：密钥是50位（所以如果我们分配64位），14位将丢失，值为32位Int（最大） - 大多数是10-12-14位。所以，我们也可以节省空间。

Answer 1

我认为JDK中没有任何内容可以做到这一点。

然而，实现这样的事情只是一个简单的编程问题。这是一个带有线性探测的开放式散列表，其中键和值存储在并行数组中：

public class LongIntParallelHashMultimap {

    private static final long NULL = 0L;

    private final long[] keys;
    private final int[] values;
    private int size;

    public LongIntParallelHashMultimap(int capacity) {
        keys = new long[capacity];
        values = new int[capacity];
    }

    public void put(long key, int value) {
        if (key == NULL) throw new IllegalArgumentException("key cannot be " + NULL);
        if (size == keys.length) throw new IllegalStateException("map is full");

        int index = indexFor(key);
        while (keys[index] != NULL) {
            index = successor(index);
        }
        keys[index] = key;
        values[index] = value;
        ++size;
    }

    public int[] get(long key) {
        if (key == NULL) throw new IllegalArgumentException("key cannot be " + NULL);

        int index = indexFor(key);
        int count = countHits(key, index);

        int[] hits = new int[count];
        int hitIndex = 0;

        while (keys[index] != NULL) {
            if (keys[index] == key) {
                hits[hitIndex] = values[index];
                ++hitIndex;
            }
            index = successor(index);
        }

        return hits;
    }

    private int countHits(long key, int index) {
        int numHits = 0;
        while (keys[index] != NULL) {
            if (keys[index] == key) ++numHits;
            index = successor(index);
        }
        return numHits;
    }

    private int indexFor(long key) {
        // the hashing constant is (the golden ratio * Long.MAX_VALUE) + 1
        // see The Art of Computer Programming, section 6.4
        // the constant has two important properties:
        // (1) it is coprime with 2^64, so multiplication by it is a bijective function, and does not generate collisions in the hash
        // (2) it has a 1 in the bottom bit, so it does not add zeroes in the bottom bits of the hash, and does not generate (gratuitous) collisions in the index
        long hash = key * 5700357409661598721L;
        return Math.abs((int) (hash % keys.length));
    }

    private int successor(int index) {
        return (index + 1) % keys.length;
    }

    public int size() {
        return size;
    }

}

请注意，这是一个固定大小的结构。您需要创建足够大的数据来保存所有数据--1.1亿条记录占用1.32 GB。您创建的数据越大，超出存储数据所需的数量，插入和查找的速度就越快。我发现，对于1.1亿个条目，加载因子为0.5（2.64 GB，是所需空间的两倍），查找密钥平均需要403纳秒，但负载系数为0.75（1.76 GB，a比需要的空间多三个，花了575纳秒。将负载系数降低到0.5以下通常不会产生很大的差异，实际上，当负载系数为0.33（4.00 GB，比所需空间多三倍）时，平均时间为394纳秒。因此，即使您有5 GB可用，也不要全部使用它。

另请注意，不允许将零作为键。如果这是一个问题，请将null值更改为其他值，并在创建时使用该值预先填充keys数组。

Answer 2

是否有任何Java库可以满足我的所有需求。

AFAIK没有。或者至少，不是最小化内存占用的那个。

但是，编写专门针对这些要求的自定义地图类应该很容易。

Answer 3

寻找数据库是一个好主意，因为这些问题就是它们的设计目标。近年来，Key-Value数据库变得非常流行，例如对于Web服务（关键字“NoSQL”），所以你应该找到一些东西。

自定义数据结构的选择还取决于您是否希望使用硬盘存储数据（以及必须安全）或者在程序退出时是否完全丢失。

如果手动实现并且整个数据库很容易适应内存，我只需在C中实现一个散列映射。创建一个散列函数，从一个值中提供（扩展良好的）内存地址。如果已经分配，则插入其中或旁边。然后分配和检索是O（1）。如果用Java实现它，那么每个（原始）对象将有4字节的开销。

Answer 4

基于@Tom Andersons解决方案，我删除了分配对象的需要，并添加了性能测试。

import java.util.Arrays;
import java.util.Random;

public class LongIntParallelHashMultimap {
    private static final long NULL = Long.MIN_VALUE;

    private final long[] keys;
    private final int[] values;
    private int size;

    public LongIntParallelHashMultimap(int capacity) {
        keys = new long[capacity];
        values = new int[capacity];
        Arrays.fill(keys, NULL);
    }

    public void put(long key, int value) {
        if (key == NULL) throw new IllegalArgumentException("key cannot be " + NULL);
        if (size == keys.length) throw new IllegalStateException("map is full");

        int index = indexFor(key);
        while (keys[index] != NULL) {
            index = successor(index);
        }
        keys[index] = key;
        values[index] = value;
        ++size;
    }

    public int get(long key, int[] hits) {
        if (key == NULL) throw new IllegalArgumentException("key cannot be " + NULL);

        int index = indexFor(key);

        int hitIndex = 0;

        while (keys[index] != NULL) {
            if (keys[index] == key) {
                hits[hitIndex] = values[index];
                ++hitIndex;
                if (hitIndex == hits.length)
                    break;
            }
            index = successor(index);
        }

        return hitIndex;
    }

    private int indexFor(long key) {
        return Math.abs((int) (key % keys.length));
    }

    private int successor(int index) {
        index++;
        return index >= keys.length ? index - keys.length : index;
    }

    public int size() {
        return size;
    }

    public static class PerfTest {
        public static void main(String... args) {
            int values = 110* 1000 * 1000;
            long start0 = System.nanoTime();
            long[] keysValues = generateKeys(values);

            LongIntParallelHashMultimap map = new LongIntParallelHashMultimap(222222227);
            long start = System.nanoTime();
            addKeyValues(values, keysValues, map);
            long mid = System.nanoTime();
            int sum = lookUpKeyValues(values, keysValues, map);
            long time = System.nanoTime();
            System.out.printf("Generated %.1f M keys/s, Added %.1f M/s and looked up %.1f M/s%n",
                    values * 1e3 / (start - start0), values * 1e3 / (mid - start), values * 1e3 / (time - mid));
            System.out.println("Expected " + values + " got " + sum);
        }

        private static long[] generateKeys(int values) {
            Random rand = new Random();
            long[] keysValues = new long[values];
            for (int i = 0; i < values; i++)
                keysValues[i] = rand.nextLong();
            return keysValues;
        }

        private static void addKeyValues(int values, long[] keysValues, LongIntParallelHashMultimap map) {
            for (int i = 0; i < values; i++) {
                map.put(keysValues[i], i);
            }
            assert map.size() == values;
        }

        private static int lookUpKeyValues(int values, long[] keysValues, LongIntParallelHashMultimap map) {
            int[] found = new int[8];
            int sum = 0;
            for (int i = 0; i < values; i++) {
                sum += map.get(keysValues[i], found);
            }
            return sum;
        }
    }
}

打印

Generated 34.8 M keys/s, Added 11.1 M/s and looked up 7.6 M/s

使用Java 7更新3在3.8 GHz i7上运行。

这比之前的测试慢得多，因为您正在访问主内存，而不是随机访问缓存。这实际上是对你记忆速度的考验。写入速度更快，因为它们可以与主存储器异步执行。

使用此集合

final SetMultimap<Long, Integer> map = Multimaps.newSetMultimap(
        TDecorators.wrap(new TLongObjectHashMap<Collection<Integer>>()),
        new Supplier<Set<Integer>>() {
            public Set<Integer> get() {
                return TDecorators.wrap(new TIntHashSet());
            }
        });

使用5000万个条目（使用大约16 GB）和-mx20g运行相同的测试我得到以下结果。

 Generated 47.2 M keys/s, Added 0.5 M/s and looked up 0.7 M/s

对于110 M条目，您将需要大约35 GB的内存和比我的速度快10倍的机器（3.8 GHz），以便每秒执行500万次增加。

Answer 5

如果必须使用Java，则实现自己的哈希表/ hashmap。表的一个重要属性是使用链表来处理冲突。因此，当您进行查找时，您可以返回列表中的所有元素。

Answer 6

我可能会迟到回答这个问题，但弹性搜索可以解决你的问题。

Java On-Memory高效键值存储

6 个答案: